MétaCan
Menu
Retour à la cohorte
Enregistrement W2790034854 · doi:10.1080/23322373.2018.1437988

The 39 Country Initiative and Africa

2018· article· en· W2790034854 sur OpenAlexaffabout
Paul W. Beamish

Notice bibliographique

RevueAfrica Journal of Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Learning and Leadership
Établissements canadiensCentre for International Governance InnovationWestern University
Organismes subventionnairesnon disponible
Mots-clésProsperityPovertyEconomic growthPolitical scienceResource (disambiguation)Development economicsBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

Management education in Africa’s poorest countries suffers from the greatest resource constraints of any continent on earth. At least three major challenges exist: lack of current teaching material; very expensive books/photocopies, making an insufficient quantity of materials available; and too few qualified faculty.In 2010, the Ivey Business School at Western University in Canada established a three-pronged strategy to help improve management education in 39 of the world’s poorest countries. Of these, 32 are in Africa. The primary purpose of its approach is poverty reduction. It is premised on the belief that if managers and entrepreneurs can make more sound business decisions, failures will decline, and prosperity will increase. The viability of all three elements of the strategy has been proved in various Ivey initiatives over the past 20 years in different geographies.This article reviews the history of the 39 Country Initiative to date in relation to Africa, provides some ideas about the way forward, and some personal observations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,975
Score d'incertitude au seuil0,351

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,212
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAfrica Journal of ManagementMême sujetOrganizational Learning and LeadershipTravaux en français237 207